用于糖尿病视网膜病变筛查的CNN融合

本文探讨了对糖尿病视网膜病变（DR）进行高效且准确筛查的需求，DR是可预防失明的主要原因。它研究了使用预训练的CNN模型进行特征级融合，以提高在二元分类任务上的性能，该任务使用了多样化的眼底图像数据集。这项研究侧重于平衡准确性和效率，这对于现实世界的应用来说尤其重要，因为这两个因素对于可扩展性和部署至关重要。

• •与单个模型相比，CNN骨干网络的特征级融合提高了DR筛查的准确性。
• •Eff+Den融合模型在准确性和计算效率之间提供了良好的平衡。
• •轻量级融合模型可以在异构数据集上很好地泛化。
• •该研究强调了在实际DR筛查工作流程中同时考虑准确性和吞吐量的重要性。